自动驾驶技术的本质是从机器的角度模拟人类驾驶员的行为。其技术架构可分为感知层、决策层和执行层三个环节，具体涉及传感器、计算平台、算法、高精地图、OS、HMI等技术模块。目前，自动驾驶L3商业化技术已经成熟，L4/L5加速发展进入验证试点阶段。本文将为大家科普一下，目前自动驾驶汽车涉及到哪些核心技术，真正商用前还需要进行哪些技术升级。1、识别技术和人的眼睛一样，这种轮式机器人也有自己的眼睛，可以识别道路上周围的车辆、障碍物、行人等。我们眼睛的主要组成部分是眼球，它通过调节晶状体的曲率来改变晶状体的焦距，从而获得真实的影像。那么自动驾驶汽车的眼睛是由什么构成的呢？答案是传感器。包括摄像头、激光雷达、毫米波雷达、红外线、超声波雷达等，你可能会奇怪，需要多少只眼睛？没错，就是满眼的小怪物，一般有10+只眼睛。其中，最常用的就是摄像头，几乎毫无争议地被所有开发者采用。它最接近人眼，可以看到有颜色的标志和物体，可以看懂字体，可以分辨红绿灯。但也有很多缺点，如夜间或恶劣天气下视力严重下降，不擅长远距离观察。第二个是有争议的LiDAR，即激光雷达。更常见的是在屋顶上，就像一个不停旋转的帽子。原理很简单，就是通过计算激光束的反射时间和波长，就可以绘制出周围障碍物的3D地图。短板是无法识别图像和颜色。毫米波雷达也不得不提，因为它的通用性——它可以全天候工作，这使它不可或缺，即使它不能识别高度、分辨率低、成像困难。但它凭借坚硬的穿透灰尘、雾气、雨雪的能力屹立不倒。您可以通过下面的性能对比表来了解主流传感器的优缺点。这么多不同种类的眼睛，那她的眼力一定很好吧？不一定如此。你以为星星多，天亮，能相得益彰固然好，但难免有冲突。有这么多眼睛，你必须先选择信任谁。这也是一个话题，叫做SensorFusion，传感器融合。根据每个传感器的优缺点，综合判断信息的准确性，以获得更可靠的最终结果。传感器融合的另一个好处是，换来一定程度的冗余，即使某只眼睛暂时失明，也不会影响其安全运动。2、决策技术已经通过眼睛识别获得了周围的环境，接下来就需要充分利用这些信息进行理解和分析，决定下一步如何行动。能完成这项任务的是最强大脑。和人脑一样，我们不是天生就会开车的，也不是拿到驾照就变成老司机了。它需要一定的知识积累，自动驾驶机器人也是如此。有两种方法可以完成大脑中的知识库：基于专家规则和基于人工智能。专家规则公式英文称为rule-based。即规则是事先写好的，需要决策时必须严格遵守这些规则。例如，准备超车变道时，需要满足以下条件（此为假高手，仅供参考）：道路半径大于500R（弯道不变道）；与目标车道前后车的距离在20m以内；后车车速不超过5km/h；以此类推……当以上N个条件同时满足时，就可以超车变道了。AI风格就是一直流行的人工智能。模仿人脑，通过AI算法理解场景。或者通过提前犯很多错误来积累经验，或者事先听取别人的建议。通过AI积累知识库，会让她的反应更加灵活。专家疏忽在所难免，何况交通瞬息万变。没有灵活的大脑，如何应对大中华区的路况？3、定位技术只有知道自己在哪里，才能知道要去哪里。目前，自动驾驶技术基本来源于机器人。自动驾驶可以看作是一个带轮子的机器人加上一张舒适的沙发。定位和路径规划是机器人系统中的一个问题。没有本地化，就无法规划路径。厘米级实时定位是自动驾驶面临的最大挑战之一。对于机器人系统，定位主要依赖于SLAM和PriorMap的交叉比较。SLAM是SimultaneousLocalizationandMapping的缩写，意思是“同时定位和建图”。是指运动物体根据传感器的信息计算自身位置并构建环境地图的过程。目前，SLAM的应用领域主要包括机器人、虚拟现实和增强现实。它的用途包括传感器本身的定位，以及后续的路径规划和场景理解。机器人定位常见的有相对定位、绝对定位和组合定位三种。自动驾驶一般采用组合定位。首先，里程计（Odometry）、陀螺仪（Gyroscopes）等本体感受器传感器，通过给定一个初始位姿，测量相对于机器人初始位姿的距离和方向，从而确定机器人当前的位置。姿态，也称为航位推算。然后利用激光雷达或视觉感知环境，利用主动或被动识别、地图匹配、GPS或导航信标进行定位。位置计算方法包括三角测量、三边测量和模型匹配算法。从这个角度来看，IMU也是自动驾驶必不可少的部件。如今，除了使用GPS或GNSS（全球卫星导航系统）的主流定位方式外，还有通过在道路上铺设电磁感应线来实现定位的方式。目前GPS高精度定位最大的问题是山区、隧道等地理因素影响精度。虽然可以用IMU（惯性测量单元）来计算，但是如果GPS失去信号的时间过长，累积的误差会比较大。大的。此外，专为自动驾驶打造的3D动态高清地图，为自动驾驶带来更多可能。由于高清地图，您可以轻松定位自??己在车道上的位置。4、通信安全技术试想一下，如果你的自动驾驶汽车被黑客控制，不仅可以监听你的秘密谈话，还可能成为杀人工具。黑客可以通过影响传感器数据影响决策，也可以直接干预判断机制影响行驶轨迹。常见的传感器设备，如GPS、摄像头、激光雷达、毫米波雷达、IMU等，都会受到黑客的干扰，影响自动驾驶的判断。机制和驱动轨道。例如，攻击激光雷达使其无法区分实时不良数据，或者试图干扰其长期积累的聚合数据等。V2X是车辆与基础设施之间（例如车辆之间、车辆之间、和行人，在车辆和交通基础设施之间）。V2X包含有关汽车及其用户的个人信息，因此用户身份验证和数据加密系统至关重要。V2X包括汽车和我们的个人信息，因此在通信过程中对用户进行身份验证和数据加密是必不可少的。5、人机交互技术虽然我们对自动驾驶的大部分印象是它可以在没有人为干预的情况下带我们去任何我们想去的地方。但遗憾的是，目前的自动驾驶系统做不到这一点。当遇到自动驾驶无法控制的场景时，它会召唤你接管它的工作。这就是HMI（人机界面）发挥作用的地方。它的目标就是以最直观、最方便的方式通知我们，让司机第一时间注意到。此外，通过观察和分析驾驶员的面部表情和动作来判断困倦状态，为驾驶员提供有趣的话题等提醒方式，也是人机交互多元化发展的一个例子。其他人不仅仅局限于与车内的人互动，还可以与路上的行人互动，表达愿意让路的意思。6、高精地图高精地图是自动驾驶的必要条件吗？——Level3及以上为必修课。根据美国SAE协会对自动驾驶技术等级的划分，在Level2以下的辅助驾驶阶段（ADAS阶段），高精地图是整个辅助驾驶系统的一个选项。当自动驾驶技术发展到Level3及以上，要求车辆在高速公路、停车场等特殊场景下实现自动驾驶，高精地图的重要性开始凸显。业界公认，要实现Level3自动驾驶，高精度地图将成为必须。1）静态数据是指高精度地图需要通过地图或矢量数据来正确表达道路的基本形状（车道线等数据）。在静态高精度地图模型中，车道要素模型包括车道中心线、车道边界线、参考点、虚拟连接线等；2）动态数据是指天气、地理环境、道路交通、车辆状态等需要动态更新的数据。通过静态数据和动态数据的叠加，高精度地图最终将实现自动驾驶的环境建模。7.5G/V2X技术车联网V2X是将汽车连接到互联网或将汽车连接到互联网，包括车到车（V2V）、车到基础设施（V2I）、车到互联网（V2N）和车对行人(V2P)）。通过V2X网络，相当于打通了自动驾驶的外部“大脑”，提供丰富及时的“外部信息”输入，可以有效弥补单车智能化的盲区。可以说，V2X是自动驾驶的加速器，可以有效补充单车的智能技术，加快反应效率。5G网络具有低时延、高吞吐量、高可靠性等特点，大大提高了V2X传输信息的丰富性和时效性，也提升了V2X传感器的技术价值。
